【技术实现步骤摘要】
【专利摘要】本专利技术公开了，主要是在操作过程中将粒子分成两组，第一组的粒子是优势粒子，第二组的粒子是劣势粒子。先通过种群在全局范围内搜索解空间，增强全局搜索能力；每次进化完成后，保留种群中最好的m个粒子，并选择较好的这些粒子的位置空间作为新的解空间，在新的解空间中选取新的粒子代替种群中较差粒子的位置。这样就可以步步逼近最优粒子，找到最优解。该方法增强了粒子群优化算法的搜索能力，弥补了基本粒子群优化算法易陷入局部极值、早熟收敛或停滞的缺陷，能够更加准确、快速的找到待优化参数的最优值。【专利说明】
本专利技术涉及一种改进粒子群优化方法，尤其涉及。
技术介绍
粒子群优化方法(英文缩写为PS0)是利用群体智能原理建立简化模型，模拟鸟类的觅食行为。其基本原理有以下几个内容:首先把每个个体看作一个没有体积的微粒，所有微粒组成了微粒群，在空间内进行搜索；其次，群体在搜索空间中以一定的速度飞行，粒子的飞行速度由微粒本身和同伴的飞行经验不断的调整；最后进行微粒适应度值的计算，根据适应度的大小衡量微粒的优劣，通过优化选择找出微粒个体最优值以及整个群体的最优值。在进化过程中...
【技术保护点】
一种基于优胜劣汰、步步选择的粒子群优化方法，其特征在于，该方法包括以下步骤：步骤(1)、设置初始参数：设粒子群内有若干个粒子，随机产生各粒子的初始位置与初始速度，限定任意时刻粒子的速度和位置的取值范围，设定迭代终止条件，设置学习因子、惯性权重、粒子总个数；步骤(2)、迭代寻优，记录当前迭代步数，并以预测误差均方值的大小作为粒子适应度值，计算每个粒子的适应度值，对粒子适应度进行优劣评价，得出粒子优劣度；步骤(3)、按粒子优劣度大小排列函数，并将相应的粒子位置进行排序；步骤(4)、从粒子总个数为M个粒子群中选取并保留适应度较好的m个粒子，并将所述m个粒子的位置范围作为新的解空间...
【技术特征摘要】
【专利技术属性】
技术研发人员：徐国宾，韩文文，章环境，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。